ISSN: 1814-3520(print)
ISSN: 2500-1590(online)
12+
Научный журнал «Вестник Иркутского государственного технического университета»
Поиск по сайту

ИССЛЕДОВАНИЕ ШИМ-ЭЛЕМЕНТА СО СПАЙКОВОЙ НЕЙРОННОЙ СЕТЬЮ

2018 / Том 22, №8 (139) 2018 [ ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ ]

ЦЕЛЬ. Показать возможность применения спайковой (импульсной) модели нейрона в автоматических системах регулирования с регулятором, осуществляющим широтно-импульсную модуляцию, который имеет в своем составе искусственную нейронную сеть. МЕТОДЫ. Ввиду того, что использование регуляторов такого вида вынуждает решать задачу параметрической оптимизации, под которой понимается определение оптимальной настройки (обучения) синаптических весов искусственной нейронной сети по выбранному критерию, в статье применен алгоритм обучения нейронной сети, сформированный на основе метода Нелдера-Мида. РЕЗУЛЬТАТЫ. В ходе исследования выявлено, что при двоично-разрядном кодировании информации модель обобщенного нейронного элемента обеспечивает наименьшие значения интегрального квадратичного критерия. ВЫВОДЫ. Спайковая исскуственная нейронная сеть может применяться в системах регулирования с широтно-импульсной модуляцией.

Ключевые слова:

искусственная нейронная сеть,спайковый нейрон,широтно-импульсная модуляция,метод Нелдера-Мида,интегральный квадратичный критерий,задача параметрической оптимизации,artificial neural network,spike neuron,pulse-width modulation (PWM),Nelder-- Mead method,integral quadratic criterion,parametric optimization problem

Авторы:

Библиографический список:

  1. Сабанин В.Р., Смирнов Н.И., Репин А.И. Автоматический системы регулирования на основе нейросетевых технологий // Вестник Московского энергетического института: сб. статей. 2005. С. 10-18.
  2. Шаровин И.М., Смирнов Н.И., Репин А.И. Применение искусственных нейронных сетей для адаптации САР в процессе их эксплуатации // Промышленные АСУ и контроллеры. 2012. № 4. С. 27-32.
  3. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. М.: Изд-во ИПРЖР, 2002. 480 с.
  4. Воробьев Ю.Б., Кудинов П., Ельцов М., Кёоп К., Чыонг Ван К.Н. Применение информационных технологий (генетические алгоритмы, нейронные сети, параллельные вычисления) в анализе безопасности АЭС // Труды Института системного программирования РАН. 2014. Т. 26. № 2. С. 137-158.
  5. Kucherenko Ye. I., Trokhimchuk S.N., Driuk O.D. Knowledge-oriented technologies in highly automated production // Радіоелектроніка, інформатика, управління. 2014. No. 2. С. 79-84. DOI: 10.15588/1607-3274-2014-2-12
  6. Ponulak F., Kasiński A. Introduction to spiking neural networks: Information processing, learning and applications // Acta Neurobiologiae Experimentalis. 2011. No. 71. C. 409-433.
  7. Бендерская Е.Н., Никитин К.В. Возможности использования импульсных рекуррентных нейронных сетей для анализа электрокардиограмм // Информационно-управляющие системы. 2015. № 1. С. 85-91. DOI: 10.15217/issn1684-8853.2015.1.85
  8. Колесницкий О.К., Бокоцей И.В., Яремчук С.С. Аппаратная реализация элементов импульсных нейронных сетей с использованием биспин-приборов // Нейроинформатика. 2010. № 1. С. 121-131.
  9. Игумнов И.В., Куцый Н.Н. Формирование ШИМ-элемента с использованием искусственных нейронных сетей // Вестник Иркутского государственного технического университета. 2014. № 6 (89). С. 31-35.
  10. Игумнов И.В., Куцый Н.Н. Нейросетевая реализация и настройка ШИМ-элементов в автоматических системах // Вестник Новосибирского государственного технического университета. 2015. № 3 (60). С. 23-32.
  11. Gerstner W., Kistler W.M. Spiking Neuron Models Single Neurons, Populations, Plasticity. Cambridge University Press, 2002, 504 с.
  12. Ануфренко С.Е., Коновалов Е.В. Нейронные модели на основе импульсного нейрона. Ярославль: Ярославский гос. ун-т им. П.Г. Демидова, 2012. 80 с.
  13. Копылов В.Д., Дунаева О.А., Мячин М.Л. Импульсный нейрон и нейронный клеточный автомат асимптотически эквивалентны // Моделирование и анализ информационных систем. 2014. Т. 21. № 3. С. 62-80.
  14. Leonard M. Reyneri A performance analysis of pulse stream neural and fuzzy computing systems // IEEE transactions on circuits and systems analog and digital signal processing, T. 42. №. 10.1995. С. 642-660.
  15. Химмелъблау Д. Прикладное нелинейное программирование. М.: МИР, 1975. 536 с.

Файлы:

Язык

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная
Количество скачиваний:8263